توجه به اولین مرحله از خردایش سنگ که توسط عملیات حفاری و انفجار صورت می پذیرد، یکی از مهمترین و حساس ترین پارامترهای موثر بر اقتصاد و حیات معدن به شمار می رود. یک عملیات موفق و مطلوب آتشباری علاوه بر اینکه خردایش مناسب سنگ را موجب می شود از پدیده های نامطلوب و ناخواسته ناشی از انفجار، از قبیل لرزش زمین، پرتاب سنگ و عقب زدگی تا حدود زیادی می کاهد. بنابراین برای رسیدن به یک عملیات آتشباری مطلوب، ضروری است که عوامل و پارامترهای تأثیر گذار بر این پدیده ها مورد مطالعه قرار گیرند. . به طور کلی عوامل تأثیر گذار بر عملیات آتشباری را می توان به دو گروه عمده پارامترهای قابل کنترل (الگوی آتشباری) و پارامترهای غیر قابل کنترل (خصوصیات ژئومکانیکی توده سنگ) تقسیم نمود. در این پایا نامه، سعی شده است که پارامترهای قابل کنترل موثر در عملیات آتشباری در معدن مس سونگون (شامل قطر چال، طول چال، ضخامت بارسنگ، فاصله ردیفی چال ها، طول گل گذاری و خرج ویژه) به گونه ای طراحی گردند که پرتاب سنگ و عقب زدگی که از مشکلات اساسی ناشی از عملیات آتشباری در این معدن می باشند به حداقل مقدار ممکن کاهش یابند. محققین زیادی در گذشته با روش های تجربی روابطی را جهت تعیین الگوی آتشباری ارائه داده اند که با توجه به تعدد پارامترها و شرایط پیچیده حاکم بر عملیات آتشباری، نتایج حاصل شده چندان مطلوب نبوده است و در ضمن تاکنون هیچ رابطه ای ارائه نشده است که با در نظر گرفتن پارامترهای موثر الگوی آتشباری، الگویی را برای عمیات آتشباری ارائه کند که بتواند همزمان هر دو پدیده نامطلوب اشاره شده را تا حد امکان کاهش دهد. برای رسیدن به این مهم، در این پایان نامه از الگوریتم ژنتیک، یکی از روش های نوین بهینه سازی که از طبیعت الهام گرفته شده، استفاده شده است. از آنجایی که برای بهینه سازی با الگوریتم ژنتیک نیاز به یک تابع (تابع هدف یا تابع برازندگی) می باشد لذا از یک شبکه عصبی پیش خورد - پس انتشار به عنوان تابع مورد نظر استفاده شده است. بدین ترتیب که بهترین شبکه که ورودی های آن پارامترهای ذکر شده الگوی آتشباری و خروجی های آن پرتاب سنگ و عقب زدگی می باشند آموزش داده شد و این شبکه بهینه با ساختار و مقادیر ورن ها و بایاس های ثابت که همانند یک مدل ریاضی عمل می کند با کد نویسی به الگوریتم ژنتیک فرا خوانده شده و در مراحل تکامل و بهینه سازی، ارزیابی کروموزم ها (هر کروموزم شامل پارامترهای الگوی آتشباری است) را بخوبی انجام می دهد. در این پایان نامه، الگوریتم ژنتیک به همراه شبکه عصبی مصنوعی، 32 الگوی بهینه را برای عملیات آتشباری در معدن مس سونگون طراحی می کند که هر کدام از این الگوها، پرتاب سنگ یا عقب زدگی و یا هر دو را به طور همزمان به کمترین مقدار ممکن می رساند. در نهایت خردایش ناشی از انفجار این الگوهای آتشباری، ارزیابی گردید و مشخص شد که متوسط ابعاد قطعات خرد شده در محدوده مورد نظر معدن قرار می گیرد. کلید واژه ها: الگوی آتشباری، پرتاب سنگ، عقب زدگی، شبکه عصبی مصنوعی، الگوریتم ژنتیک